Comparativo entre tarefas agendadas do ChatGPT, agentes do Codex e automação completa do Dot: 6 diferenças fundamentais entre 3 tipos de automação

Nota do autor: uma comparação entre ChatGPT Scheduled Tasks, agentes Codex e ChatGPT Dot sob três perspectivas — acionamento, execução e coordenação contínua —, com foco em automação, custos, confiabilidade e recomendações de escolha.

Até outubro de 2026, a OpenAI oferece três tipos de produto que permitem que a IA “trabalhe sozinha”: tarefas agendadas do ChatGPT (Scheduled Tasks), agentes Codex e suas automações (Codex Automations) e o ChatGPT Dot, um agente pessoal sempre ativo lançado em 29 de setembro. Os três podem executar tarefas em horários programados e dar continuidade ao trabalho entre conversas. Por isso, muita gente tem dificuldade em entender as diferenças e decidir em qual plano vale a pena investir.

Este artigo não vai classificar os três em uma lista de “qual é o melhor”. Cada um foi projetado com um foco diferente, e eles já começaram a interagir entre si. Vamos usar a documentação oficial da OpenAI para explicar recursos e custos, além de testes do The Verge, Axios e Business Insider e registros de falhas da comunidade para avaliar a confiabilidade.

O que você vai aprender: ao final, saberá qual opção usar para buscar notícias diariamente, automatizar tarefas de desenvolvimento de software ou acompanhar projetos de longo prazo. Também entenderá o que ainda falta para que essas ferramentas sejam “funcionários digitais” que trabalhem sem supervisão.

As principais diferenças entre tarefas agendadas do ChatGPT, Codex e Dot

A forma mais simples de entender os três é: as tarefas agendadas dão o sinal de partida, o Codex executa e o Dot coordena o trabalho continuamente. Essa é apenas uma analogia para facilitar a compreensão, não uma classificação técnica oficial da OpenAI. Há bastante sobreposição entre os recursos: isso não significa que as tarefas agendadas não possam executar ações ou que o Codex não trabalhe de forma proativa.

A tabela compara os recursos compatíveis com cada produto. Nem todas as funções estão necessariamente disponíveis em todas as contas, versões ou regiões.

Tarefas agendadas do ChatGPT: “gatilhos” que vão além dos lembretes

As tarefas agendadas chegaram em versão beta em 14 de janeiro de 2025, inicialmente voltadas a lembretes programados. Após a atualização de 17 de junho de 2026, passaram a ter uma área unificada de gerenciamento, chamada Scheduled. As tarefas de monitoramento podem pesquisar na web e verificar aplicativos conectados, enviando notificações apenas quando houver mudanças relevantes. O antigo recurso de atualizações proativas do ChatGPT Pulse também foi incorporado às tarefas agendadas, e o Pulse foi descontinuado.

Os gatilhos por evento são outro recurso importante. Entre as fontes de eventos oficialmente compatíveis estão novos e-mails no Gmail, com filtros por remetente e assunto; novas mensagens em canais específicos do Slack; e atividades específicas em Pull Requests do GitHub. Essas tarefas são executadas pelo ChatGPT Work e não estão disponíveis nos planos Free e Go. Uma tarefa pode combinar vários gatilhos por evento, mas não pode incluir gatilhos de horário e de evento na mesma definição.

Agente Codex: para realmente “executar” o trabalho

O aplicativo desktop do Codex chegou ao macOS em 2 de fevereiro de 2026 e ao Windows em 4 de março. Ele oferece execução paralela de agentes, isolamento com Git Worktree, um sistema de habilidades e Automations. O lançamento de “Codex for (almost) everything”, em 16 de abril, trouxe mudanças importantes: o Codex passou a operar outros aplicativos no computador, com suporte a Computer Use em segundo plano, memória, agendamento de tarefas para si mesmo e retomada de conversas existentes. Ele também pode sugerir os próximos passos por iniciativa própria. Na época, a OpenAI informou que mais de 3 milhões de desenvolvedores usavam o Codex semanalmente. Esse número mostra a escala de adoção, mas não significa que todos esses usuários utilizem os recursos de automação.

A principal diferença entre o Codex e uma tarefa agendada é que ele restaura o ambiente de trabalho e então lê arquivos, altera código, executa testes, analisa os resultados e corrige falhas, em vez de apenas gerar um texto na hora marcada. Em fevereiro de 2026, a OpenAI divulgou um experimento interno de longa duração: usando o GPT-5.3-Codex, o Codex construiu uma ferramenta de design a partir de uma base de código vazia. O processo durou cerca de 25 horas, consumiu aproximadamente 13 milhões de tokens e gerou cerca de 30 mil linhas de código. O experimento mostra que o Codex consegue avançar durante um longo período em direção a um mesmo objetivo complexo, mas não representa uma garantia de confiabilidade para todos os usuários.

ChatGPT Dot: um agente pessoal que acompanha suas tarefas

O Dot é baseado no GPT-6 Astra e tem seu próprio computador e navegador na nuvem. Seu ecossistema de plugins pode se conectar a mais de 4.000 aplicativos, e ele pode colaborar com usuários pelo ChatGPT, Slack, Teams e outros canais. Esse número indica o alcance do ecossistema: os aplicativos disponíveis para cada pessoa dependem dos plugins, conexões, permissões, da região e da configuração do espaço de trabalho. A principal diferença entre o Dot e o Codex é a pesquisa proativa (Proactive Research): mesmo quando o usuário não envia uma nova mensagem, o Dot consulta fontes de informação autorizadas, relaciona as novidades às tarefas em andamento e avalia se precisa avisar o usuário.

A pesquisa proativa tem um limite importante de segurança: ela só pode usar ferramentas de leitura. Ela não pode enviar mensagens diretamente a terceiros, alterar conteúdo em aplicativos conectados nem controlar o navegador. As descobertas são primeiro informadas ao Dot, que organiza as próximas ações conforme as regras de autorização e aprovação. Em outubro, o Dot já podia iniciar ou continuar trabalhos no Codex, além de ler e editar tarefas automatizadas existentes no ChatGPT Work. Assim, os três trabalham em conjunto, sem substituir uns aos outros.

Comparação de custos: tarefas agendadas do ChatGPT, Codex e Dot

Esses três recursos não exigem três assinaturas separadas. As tarefas agendadas geralmente estão incluídas nos planos elegíveis do ChatGPT. O Codex pode ser usado por meio de uma assinatura do ChatGPT ou de uma chave API, com cobrança por uso. A primeira instância do Dot está incluída nos planos Pro ou Business Premium elegíveis, sem cobrança adicional de assinatura básica.

Alguns pontos podem gerar confusão. O Dot oferece a mesma inteligência central no Pro 200 e no Pro 100; a diferença está principalmente nos limites de uso e nos benefícios do plano. Usuários do Plus ainda não podem usar o Dot diretamente. No primeiro mês após o lançamento, o uso do próprio Dot por usuários elegíveis não é descontado dos limites existentes, mas as tarefas do Work e do Codex criadas ou gerenciadas pelo Dot continuam consumindo as respectivas cotas. Nos planos elegíveis, Work e Codex compartilham a cota de trabalho. O ambiente padrão do Codex na nuvem não tem cobrança separada por máquina virtual, mas as tarefas dos modelos são cobradas normalmente.

Outro ponto importante: ter acesso por chave API não significa obter os recursos nativos Dot, Work ou Codex Cloud da assinatura do ChatGPT. A rota via API é indicada para desenvolvedores que querem montar por conta própria o fluxo de “gatilho + invocação do modelo”. A seguir, veja uma implementação mínima.

Crie uma “tarefa agendada” leve com a API

Se você só precisa reunir um conjunto de notícias todas as manhãs e não quer fazer upgrade da assinatura, pode usar o cron junto com uma invocação do modelo. A API não navega na web por conta própria: o script precisa coletar as notícias e enviá-las ao modelo.

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI OpenAI 兼容接口
)

news = open("today_feed.txt", encoding="utf-8").read()  # 由抓取脚本预先生成
resp = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": f"筛选高价值 AI 新闻并写中文摘要，保留原始网址：\n{news}"}]
)
print(resp.choices[0].message.content)

import json
import time
import hashlib
from pathlib import Path
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

SEEN_FILE = Path("seen.json")

def load_seen() -> set:
    return set(json.loads(SEEN_FILE.read_text())) if SEEN_FILE.exists() else set()

def dedupe(items: list[dict], seen: set) -> list[dict]:
    fresh = []
    for it in items:
        key = hashlib.md5(it["url"].encode()).hexdigest()
        if key not in seen:
            seen.add(key)
            fresh.append(it)
    return fresh

def summarize(items: list[dict], model: str = "gpt-4o-mini", retries: int = 3) -> str:
    text = "\n".join(f"- {i['title']} | {i['date']} | {i['url']}" for i in items)
    for attempt in range(retries):
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[
                    {"role": "system", "content": "你是 AI 行业编辑，只基于给定条目写摘要，不补充未提供的事实。"},
                    {"role": "user", "content": f"按重要性排序并写中文摘要，保留网址和日期：\n{text}"}
                ],
                max_tokens=1500
            )
            return resp.choices[0].message.content
        except Exception as e:
            time.sleep(2 ** attempt)
    return "ERROR: 模型调用失败，需人工检查"

if __name__ == "__main__":
    items = json.loads(Path("today_feed.json").read_text(encoding="utf-8"))
    seen = load_seen()
    fresh = dedupe(items, seen)
    SEEN_FILE.write_text(json.dumps(list(seen)))
    report = summarize(fresh) if fresh else "今日无新增条目"
    Path("daily_report.md").write_text(report, encoding="utf-8")

# crontab 示例：每天 8 点执行
# 0 8 * * * /usr/bin/python3 /path/to/daily_news.py

🚀 Dica para começar: em uma solução própria, o importante é fazer funcionar as três etapas — disparo, execução e entrega — antes de pensar em trocar por um modelo mais avançado. Você pode obter créditos gratuitos para testes na APIYI, em apiyi.com, e usar a mesma chave API para comparar a qualidade dos resumos do GPT, Claude e Gemini. Depois, escolha qual usar no dia a dia.

Quando usar tarefas agendadas do ChatGPT, Codex e Dot

É mais fácil comparar as opções usando o mesmo objetivo: “Todos os dias, às 8h, pesquisar notícias sobre IA, selecionar as mais relevantes, avaliar tendências com base em reportagens anteriores e preparar material para a equipe editorial.”

Quando escolher tarefas agendadas do ChatGPT

• Boletins diários e monitoramento: crie tarefas diárias ou de monitoramento para pesquisar automaticamente na internet no horário definido, evitar notícias repetidas e receber notificações apenas quando houver novidades.
• Resposta simples a eventos: organize informações automaticamente ao receber um e-mail no Gmail de um remetente específico ou quando houver atividade em um PR do GitHub. Esse recurso exige um plano Plus ou superior.
• Limitações: a qualidade da coleta depende das ferramentas de busca e da acessibilidade dos sites. Pesquisas de tendências mais complexas também dependem da capacidade do modelo e dos limites de uso.

Quando escolher o Codex

• Pipeline de coleta fácil de manter: ler fontes de informação predefinidas, coletar dados com scripts, eliminar duplicatas, armazenar dados estruturados, compará-los com o histórico e gerar relatórios para revisão. Em caso de falha, o Codex pode corrigir o fluxo por conta própria.
• Trabalho de engenharia agendado: classificação diária de bugs, resumo de falhas de CI, boletins de lançamento e tarefas como “identificar uma regressão, alterar o código e, depois que os testes passarem, enviar as alterações para revisão”.
• Limitações: tarefas agendadas que dependem de um projeto local exigem que o computador esteja ligado, o aplicativo para desktop em execução e os arquivos acessíveis. O Codex Cloud pode continuar trabalhando enquanto o computador está em suspensão, mas não tem acesso a todos os arquivos locais, às sessões do navegador nem às permissões do sistema.

Quando escolher o Dot

• Assistente de inteligência de longo prazo: basta definir um objetivo geral, como “acompanhe continuamente mudanças importantes e me avise quando valer a pena escrever uma matéria”. O Dot delega a coleta diária às tarefas agendadas e os reparos nas ferramentas ao Codex.
• Coordenação entre projetos: gerencie vários projetos e identifique questões que ninguém havia previsto, como novos pedidos de clientes que entram em conflito com o plano original ou trocas de e-mail que ficaram sem confirmação.
• Limitações: a solução ainda depende do acesso às plataformas, das permissões de conexão, da precisão do modelo, dos limites de execução e dos mecanismos de aprovação.

Vale lembrar: se as fontes forem plataformas como X, Xiaohongshu, Douyin ou Weibo, que exigem login ou restringem o acesso de robôs, nenhuma das três opções garante acesso completo. Navegadores na nuvem e o recurso Computer Use também não conseguem superar todas as verificações.

ChatGPT Dot e Codex na prática: o que falta para a automação completa?

Três veículos independentes publicaram testes do Dot em outubro e chegaram a conclusões parecidas: ele se sai bem ao reunir informações e produzir conteúdo, mas ainda encontra obstáculos na hora de concluir tarefas no mundo real.

• The Verge (2 de outubro): o Dot encontrou um desconto de US$ 100 em e-mails antigos, mas parou ao encontrar uma verificação que exigia que uma pessoa mantivesse um botão pressionado. Como a finalização da compra envolvia dados bancários, o próprio autor acabou concluindo o processo. Na busca por um espaço de coworking, o Dot deixou passar a opção de visita gratuita. Já em tarefas com ambientes mais controlados, como reformular um site pessoal e trabalhar com vídeos, teve bons resultados. O autor considera o Dot uma espécie de “Codex para pessoas comuns”, mas ainda não vê motivos suficientes para pagar US$ 100 por mês.
• Axios (20 de outubro): o Dot criou um álbum comemorativo de um evento esportivo com 38 páginas em estilo retrô. Outro álbum de fotos, com 12 páginas, levou 47 segundos para ficar pronto. Esse resultado veio de um único teste e não representa a velocidade média. Ele também identificou um conflito de horários no calendário. As compras, porém, esbarraram em obstáculos, e os trabalhos produzidos ainda precisaram de edição humana.
• Business Insider (22 de outubro): o Dot identificou por conta própria uma troca de e-mails entre o autor e seu contador que ainda não havia sido confirmada. Isso fez o autor lembrar de verificar a declaração de imposto de renda. Ao pedir almoço, porém, o processo foi interrompido várias vezes por códigos de verificação por SMS e problemas de preenchimento. Os textos criados para um site também ficaram com cara de modelo pronto.

Os relatos da comunidade revelam limitações de confiabilidade. No Reddit, usuários que começaram a usar o Dot relatam que ele deixou passar mensagens ao monitorar e-mails e não mostrou claramente o andamento das tarefas. Outro usuário do plano Pro 200 teve o acesso temporariamente suspenso por medidas contra abuso após um período de uso intenso. Na comunidade de desenvolvedores da OpenAI, há relatos de tarefas com várias etapas interrompidas e de ações já autorizadas que voltaram a exigir aprovação. Quanto às tarefas agendadas, alguns usuários relatam que elas não rodaram no horário, foram pausadas automaticamente após falhas ou aparecem no histórico de execução sem que seja possível ver os resultados. Operações de escrita no GitHub, Gmail e outros serviços também podem ser bloqueadas por verificações de segurança. A issue #56550 do Codex no GitHub registra um caso em que uma tarefa agendada com status Active no Windows 11 não foi acionada ao meio-dia, embora tenha funcionado quando executada manualmente. A causa ainda não foi confirmada.

Esses relatos mostram que as falhas de automação precisam ser separadas em pelo menos quatro categorias: a tarefa não foi acionada; foi acionada, mas faltaram dados ou permissões; foi executada, mas com qualidade insuficiente; ou foi concluída, mas o resultado não foi entregue. São problemas em etapas diferentes, que não podem ser todos atribuídos à falta de inteligência do modelo. Também não dá para calcular uma taxa geral de falhas com base em poucas publicações. Até o momento, a OpenAI não divulgou dados que comparem a taxa de sucesso dos três em tarefas de longo prazo sem supervisão humana, usando um mesmo conjunto de testes.

Como escolher entre tarefas agendadas do ChatGPT, Codex e Dot

Para avaliar o grau de automação, há seis dimensões mais úteis do que perguntar apenas “dá para agendar?” ou “ele consegue clicar em botões?”. A tabela traz uma análise qualitativa das prioridades de design, não uma avaliação oficial.

Com base nisso, algumas recomendações são bem diretas:

1. Para resumos diários, lembretes ou monitoramento de páginas: as tarefas agendadas do Plus são suficientes. Não é necessário fazer upgrade de US$ 20 para US$ 100 por causa do Dot.
2. Para manter scripts, dados e código: escolha o Codex. Se precisar que ele continue trabalhando enquanto você estiver longe do computador, priorize o ambiente na nuvem e use permissões restritas no sandbox para tarefas em segundo plano. Acesso aberto à rede, gravação local e acesso completo ao sistema aumentam os riscos.
3. Para acompanhar dezenas de assuntos e coordenar tarefas entre plataformas: o valor do Dot fica mais evidente, mas reserve tempo para assumir manualmente logins, pagamentos e envios externos.
4. Para desenvolvedores que querem incorporar automação aos próprios produtos: use a API para criar seus próprios mecanismos de acionamento e orquestração. Isso oferece o maior controle, mas exige mais trabalho de engenharia.

💡 Dica para escolher: para avaliar o retorno do investimento, veja quanto trabalho manual você realmente economiza por mês e quanto tempo extra gasta com erros, aprovações e retrabalho. Em testes empresariais, vale acompanhar a taxa de acionamento bem-sucedido, a taxa de conclusão, a precisão factual, o número de intervenções humanas e o custo por execução bem-sucedida. Para fluxos próprios, você pode comparar modelos na APIYI apiyi.com usando uma interface unificada. Para trocar de modelo, basta alterar o parâmetro model.

Perguntas frequentes (FAQ)

Principais pontos sobre tarefas agendadas do ChatGPT, Codex e Dot

• Papéis diferentes: as tarefas agendadas iniciam o processo, o Codex executa e o Dot coordena o trabalho de forma contínua (uma forma de entender as diferenças, não uma classificação oficial).
• Tarefas agendadas vão além de lembretes: em 2026, elas oferecem monitoramento pela internet e acionamento por eventos do Gmail, Slack e GitHub.
• Codex não serve só para escrever código: seus recursos agora incluem navegador, Computer Use, memória e continuidade do trabalho por vários dias.
• Dot exige planos mais avançados: é voltado principalmente a usuários dos planos Pro, Business Premium e de alguns planos Enterprise; sua pesquisa proativa é limitada à leitura.
• A confiabilidade ainda é um ponto fraco: problemas com CAPTCHA, login, pagamentos e tarefas não executadas aparecem repetidamente em testes da imprensa e relatos da comunidade.
• Escolha conforme a necessidade: use tarefas agendadas para resumos diários, Codex para pipelines de engenharia e considere o Dot para acompanhar vários projetos no longo prazo.

Conclusão

As diferenças entre a automação de tarefas agendadas do ChatGPT, o agente Codex e o Dot podem ser resumidas em três níveis:

1. Acionamento: as tarefas agendadas são as mais acessíveis, estão disponíveis até no plano Free e atendem à maioria das necessidades de monitoramento do dia a dia.
2. Execução: o Codex pode modificar arquivos, executar testes e operar o computador, mas é importante entender os limites entre os ambientes local e na nuvem.
3. Coordenação: o Dot organiza várias tarefas em torno de um objetivo de longo prazo. Em contrapartida, exige uma assinatura mais cara, e logins, verificações e aprovações ainda precisam de intervenção humana.

O “funcionário digital de IA” realmente confiável ainda não chegou. Para as necessidades reais dos negócios hoje, uma automação auditável, recuperável e com limites de autorização claros faz mais sentido do que uma solução “totalmente automática” que dispense qualquer aprovação. Se você é desenvolvedor e quer integrar a automação ao seu sistema, vale começar usando os créditos gratuitos da APIYI, em apiyi.com, para testar um fluxo mínimo. Depois, decida se faz sentido migrar para os produtos de agentes nativos da OpenAI.

📚 Referências

1. Documentação oficial de ajuda do ChatGPT Scheduled Tasks: frequência das tarefas, limites por plano e acionamento por eventos
2. Link: help.openai.com/en/articles/10291617-scheduled-tasks-in-chatgpt

3. Descrição: fonte oficial sobre os recursos e as limitações das tarefas agendadas

4. OpenAI: Codex for (almost) everything: expansão dos recursos do Codex em abril de 2026

5. Link: openai.com/index/codex-for-almost-everything

6. Descrição: atualizações sobre Computer Use, memória e retomada de tarefas em dias diferentes

7. OpenAI: Introducing dots: anúncio oficial de lançamento do Dot

8. Link: openai.com/index/introducing-dots

9. Descrição: GPT-6 Astra, computador na nuvem, pesquisa proativa e exemplos de uso

10. Dots privacy, security, and safety FAQs: permissões e limites de segurança do Dot

11. Link: help.openai.com/en/articles/20001529-dots-privacy-security-and-safety-faqs

12. Descrição: pesquisa proativa com acesso somente para leitura e mecanismos de aprovação

13. Run long horizon tasks with Codex: experimento com tarefas de longa duração no Codex

14. Link: developers.openai.com/blog/run-long-horizon-tasks-with-codex

15. Descrição: detalhes do experimento de 25 horas e cerca de 13 milhões de tokens

16. Teste do Dot pelo The Verge: experiência prática de um veículo independente

17. Link: theverge.com/ai-artificial-intelligence/1004096/openai-chatgpt-dots-hands-on-agent
18. Descrição: desempenho em tarefas reais, como reformulação de sites, processamento de vídeos e compras

Autor: equipe técnica da APIYI
Contato técnico: entre em contato conosco pela página inicial do site da APIYI. Para mais informações sobre integração, acesse a central de documentação em docs.apiyi.com

Artigos relacionados

• Tutorial de integração do Codex ao Rhino MCP: modelagem automatizada por IA em 3 passos: Implante o Rhino MCP Server do zero, configure a interface APIYI no Codex, execute em 3 etapas seu primeiro comando de modelagem em linguagem natural e compare o desempenho de modelagem do GPT Codex e da série Claude.
• Erro da OpenAI: modelo não encontrado? GPT-5.5 foi removido do ChatGPT em 14 de outubro: 5 etapas de diagnóstico e alternativas: Em 14 de outubro de 2026, o GPT-5.5 será totalmente descontinuado no ChatGPT, ChatGPT Work e Codex, mas a API da OpenAI não será afetada; este artigo resume as últimas novidades de 15 de outubro, explica as cinco principais causas do erro “model not found” da OpenAI, soluções para cada cenário e alternativas como GPT-5.6 Sol, Terra, Luna e GPT-6 Astra.